基于卷积神经网络的置换混叠图像盲分离.pdf
《基于卷积神经网络的置换混叠图像盲分离.pdf》由会员分享,可在线阅读,更多相关《基于卷积神经网络的置换混叠图像盲分离.pdf(5页珍藏版)》请在咨信网上搜索。
1、信息记录材料 2023 年 7 月 第 24 卷第 7 期基于卷积神经网络的置换混叠图像盲分离李飞飞1,2,史红玉1,吴 晓1,任 刚1,刘 丹1(1 河南工学院 河南 新乡 453000)(2 新乡市制造业物联网应用工程技术研究中心 河南 新乡 453000)【摘摘要要】针对一类置换区域含噪声的置换混叠图像,提出一种基于卷积神经网络的置换混叠图像盲分离算法。首先,对含噪声的置换混叠图像进行预处理,作为训练数据集;然后输入卷积神经网络进行卷积和池化操作,获取图像的特征图;最后,利用特征图对图像进行分类,获取分类结果图。通过分类结果与原图进行点乘操作,得到分离效果图。实验结果表明,该算法对含噪声
2、的置换混叠图像的盲分离正检率高于 95%,能够有效地检测出含噪声的置换混叠区域。【关关键键词词】置置换换混混叠叠图图像像;盲盲分分离离;卷卷积积神神经经网网络络;卷卷积积;池池化化【中中图图分分类类号号】TP39 【文文献献标标识识码码】A 【文文章章编编号号】1009-5624(2023)07-0131-050 引言随着计算机技术的发展和各种数字图像编辑软件的产生,随心所欲地篡改图像成为事实。人们可以根据自己的意愿对图像进行修改,并且修改后的图像仅凭人眼无法辨别真伪,不法分子利用篡改图像进行宣传、造假等违法行为,对社会造成很大的影响,因此急需一种新的理论和方法来验证数字图像的真伪。置换混叠图
3、像是利用置换的方式进行合成,属于篡改图像中的一种。置换混叠图像的盲分离是在源信号未知的情况下,根据混合图像的信息有效分离出置换区域的一类新型单信道盲分离问题1,本文针对含噪声的置换混叠图像进行盲分离,即在源信号未知的情况下,有效地分离出含噪声的置换区域。目前已有针对含噪声的置换混叠图像盲分离的算法,多是人为选取特征,所以特征选取的好坏直接影响分离的效果。本文与文献2都是利用算法自动选取特征进行分离,避免了特征选取不当产生的误差。卷积神经网络(CNN)是一种深度的监督学习下的机器学习模型3,具有极强的适应性,善于挖掘数据局部特征,提取全局训练特征和分类,它的权值共享结构网络使之更类似于生物神经网
4、络,在模式识别各个领域都取得了很好的成果。因此,本文选用卷积神经网络对含噪声的置换混叠图像进行分离。1 相关工作1.1 置换混叠图像的数学模型置换混叠图像1是用一幅或多幅图像的一部分去置换另一幅图像的一部分。含噪声的置换混叠图像是指用一幅以上的噪声图像去置换一幅不含噪声的图像中的一部分或多部分。含噪声的置换混叠图像的数学模型描述如式(1):I=A P+AT1 PT1+ATm PTm+ATn PTn(1)其中,表示 Hadamard 积,P 为置换图像的源图像,A为全 1 矩阵,ATi(i=1,2,n)为置换矩阵,PTi(i=1,2,n)为含噪声的源图像,I 为含噪声的置换混叠图像。1.2 卷积
5、神经网络卷积神经网络(CNN)是一个多层的神经网络,每层由多个二维平面组成,而每个平面由多个独立神经元组成4。一个卷积神经网络,包含有输入层、卷积层、池化层、全连接层、输出层5-6。从输入到输出,卷积神经网络的层与层之间通过不同的计算神经节点建立关系,逐层传递输入信息7-8;卷积层至池化层是通过对输入数据的特征信号进行解码、演绎、汇总,将其映射到隐层特征空间;全连接层至输出层是根据提取的特征按照要求进行输出。2 算法设计基于卷积神经网络的置换混叠图像盲分离算法分为离线训练和在线检测 2 部分。离线训练是利用卷积神经网络对多个已知置换区域位置的含噪声的置换混叠图像进行训练,获得训练好参数的卷积神
6、经网络;在线检测是根据训练好的卷积神经网络对置换区域未知的含噪声置换混叠图像进行检测,获得置换混叠区域。2.1 离线训练首先,输入多个含噪声的置换混叠图像,其中类型包括含椒盐噪声的置换图像、含高斯噪声的置换图像、含 1个置换区域的置换混叠图像、含 2 个置换区域的置换混叠图像、相同图像间置换的图像和不同图像间置换的图像。为了提高运算速度,将输入的图像转换成 323264 大小的图片,赋值给 train_x 进行训练。根据输入图像的信息,将含噪声的置换区域定义为 1,不含噪声的区域定义为 0,生成与原图大小一样的 0,1 图片,将其转换成 641024 大小的矩阵,赋值给 train_y。然后,
7、构建卷积神经网络,设置卷积层个数和卷积核大小。采用 Deep Learning ToolBox 中的 CNN 模型进行改进,基于卷积神经网络的置换混叠图像盲分离算法包含 7层,分别是输入层、卷积层 1、池化层 1、卷积层 2、池化层2、全连接层、输出层,具体结构如图 1 所示,其中卷积核大小为 55,池化层的窗口大小为 22。最后,将 train_x 和 train_y 输入到生成的卷积神经网络中进行训练,获得训练好参数的卷积神经网络。131信息记录材料 2023 年 7 月 第 24 卷第 7 期图 1 卷积网络结构图 2.2 在线检测首先,将待检测的图像转换成 323264 大小的图片。然
8、后,将预处理后的待检测图片输入到训练好的卷积神经网络中,利用前向传播算法进行训练,获得 102464大小的矩阵,并将其转换成 256256 大小的矩阵。最后,利用优化算法对卷积生成的矩阵进行优化,即将矩阵中像素为 0 的像素值及其附近的像素修改为 1,其他像素修改为 0。将优化后的矩阵与原测试图像进行点乘操作,显示 置换区域的检测效果图。3 实验仿真结果3.1 噪声类型不同本次实验选用常用的噪声:高斯噪声和椒盐噪声。利用卷积神经网络对置换区域含不同噪声类型的图像进行盲分离。图 2 为含高斯噪声的置换混叠图像原图和分离效果图,图 3 为含椒盐噪声的置换混叠图像原图和分离效果图。图 2 含高斯噪声
9、的置换混叠图像原图和分离效果图图 3 含椒盐噪声的置换混叠图像原图和分离效果图 上述实验选用置换区域位置大小相同,噪声方差为0.5,噪声类型不同的置换混叠图像进行实验,通过实验效果图可知,该算法能够有效地检测不同噪声类型的置换混叠图像。3.2 噪声方差不同利用该算法对含噪声方差不同的置换混叠图像进行分离。首先针对含高斯噪声的置换混叠图像进行实验,选取噪声方差分别为 0.005、0.05、0.1、0.2 大小的置换图像,图 4 为含不同方差高斯噪声的置换混叠图像原图和分离效果图。针对含椒盐噪声的置换混叠图像进行实验,选取噪声方差分别为 0.005、0.05、0.1、0.2 大小的置换图像,图 5
10、为含不同方差椒盐噪声的置换混叠图像原图和分离效果图。231信息记录材料 2023 年 7 月 第 24 卷第 7 期图 4 含不同方差高斯噪声的置换混叠图像原图和分离效果图图 5 含不同方差椒盐噪声的置换混叠图像原图和分离效果图331信息记录材料 2023 年 7 月 第 24 卷第 7 期 上述 2 组实验结果表明,噪声方差的大小对该算法的盲分离结果有一定的影响。对于高斯噪声而言,噪声方差越小,检测效果越好;对于椒盐噪声而言,噪声方差越大,检测效果越好。3.3 对比实验基于卷积神经网络的置换混叠图像盲分离算法与利用 NMF(非负矩阵)、SC(稀疏编码)和 SAE 的置换混叠图像盲分离算法进行
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 卷积 神经网络 置换 图像 分离
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。